基于粒子滤波的目标跟踪算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-12页 |
| ·课题来源、背景和意义 | 第7-8页 |
| ·课题来源 | 第7页 |
| ·研究背景及意义 | 第7-8页 |
| ·国内外研究发展现状 | 第8-10页 |
| ·本文研究的主要内容 | 第10-11页 |
| ·本文的组织结构 | 第11-12页 |
| 第2章 目标跟踪算法基础 | 第12-25页 |
| ·滤波理论的发展现状 | 第12-14页 |
| ·线性动态系统的滤波理论与算法 | 第14-15页 |
| ·离散时间线性系统状态估计问题的一般描述 | 第14-15页 |
| ·基本卡尔曼滤波器 | 第15页 |
| ·非线性动态系统的滤波理论与算法 | 第15-20页 |
| ·扩展卡尔曼滤波器 | 第15-17页 |
| ·无味卡尔曼滤波器 | 第17-19页 |
| ·贝叶斯滤波 | 第19-20页 |
| ·交互式多模型概率数据关联算法 | 第20-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 粒子滤波器 | 第25-41页 |
| ·蒙特卡罗方法 | 第26-31页 |
| ·蒙特卡罗方法的发展历史 | 第26页 |
| ·蒙特卡罗方法的基本原理及思想 | 第26-29页 |
| ·蒙特卡罗解题步骤 | 第29-30页 |
| ·蒙特卡罗方法的特点 | 第30-31页 |
| ·粒子滤波算法 | 第31-39页 |
| ·粒子滤波器基本原理 | 第32页 |
| ·序贯粒子滤波算法 | 第32-34页 |
| ·粒子集的退化和重采样 | 第34-37页 |
| ·粒子滤波算法的描述 | 第37-39页 |
| ·粒子滤波的应用 | 第39-40页 |
| ·机动目标跟踪 | 第39页 |
| ·金融领域数据分析 | 第39页 |
| ·计算机视觉 | 第39-40页 |
| ·状态监视与故障诊断 | 第40页 |
| ·本章小节 | 第40-41页 |
| 第4章 改进的粒子滤波 | 第41-50页 |
| ·基于EKF 的粒子滤波 | 第41-42页 |
| ·基于UKF 的粒子滤波 | 第42-45页 |
| ·基于MCMC 粒子滤波 | 第45-49页 |
| ·MCMC 算法基本原理 | 第45-46页 |
| ·基于MCMC 粒子滤波算法 | 第46-47页 |
| ·基于MCMC 的pfekf 的滤波算法 | 第47-48页 |
| ·基于MCMC 的pfukf 的滤波算法 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 算法仿真分析 | 第50-54页 |
| ·算法模型及参数 | 第50页 |
| ·仿真分析 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 总结与展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间的论文和科研项目 | 第62页 |
